| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景 | 第8页 |
| ·研究目的和意义 | 第8-9页 |
| ·手机电子邮件分类技术研究现状 | 第9-11页 |
| ·贝叶斯分类方法 | 第9-10页 |
| ·决策树分类方法 | 第10页 |
| ·支持向量机方法 | 第10页 |
| ·K近邻分类方法 | 第10-11页 |
| ·本文的研究内容 | 第11-12页 |
| 第二章 手机电子邮件分类与指标选取 | 第12-20页 |
| ·电子邮件 | 第12-13页 |
| ·电子邮件的工作原理 | 第12页 |
| ·电子邮件格式 | 第12-13页 |
| ·手机电子邮件自动分类的必要性 | 第13-15页 |
| ·手机电子邮件自动分类 | 第15-16页 |
| ·手机电子邮件自动分类指标和评价指标 | 第16-19页 |
| ·词频与反文档频率 | 第17-18页 |
| ·查全率 | 第18页 |
| ·查准率 | 第18页 |
| ·互信息 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 手机电子邮件分类算法与改进K近邻分类算法 | 第20-31页 |
| ·分类算法概念 | 第20页 |
| ·决策树 | 第20-23页 |
| ·决策树的数学原理 | 第20-22页 |
| ·决策树分支标准选取 | 第22-23页 |
| ·决策树的剪枝与验证 | 第23页 |
| ·贝叶斯分类 | 第23-26页 |
| ·贝叶斯数学原理 | 第23-24页 |
| ·贝叶斯算法 | 第24-26页 |
| ·K近邻分类与改进K近邻分类 | 第26-30页 |
| ·K近邻分类 | 第26-28页 |
| ·非负矩阵奇异值分解 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 改进K近邻分类算法进行电子邮件自动分类的实证分析 | 第31-42页 |
| ·电子邮件解析 | 第31-32页 |
| ·中文分词 | 第32-36页 |
| ·中文分词方法 | 第33页 |
| ·正向最大匹配法分词器 | 第33-35页 |
| ·停用词过滤器 | 第35-36页 |
| ·词频统计 | 第36页 |
| ·改进K近邻分类器 | 第36-41页 |
| ·特征词矩阵分解 | 第37-39页 |
| ·K近邻分类 | 第39-40页 |
| ·结果分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 总结与展望 | 第42-44页 |
| ·总结 | 第42-43页 |
| ·展望 | 第43-44页 |
| 参考文献 | 第44-46页 |
| 致谢 | 第46-47页 |
| 攻读硕士学位期间发表的论文 | 第47-48页 |
| 附录A | 第48-49页 |